CN115711628A - 节油驾驶辅助信息库构建方法及设备、推荐方法及车辆 - Google Patents
节油驾驶辅助信息库构建方法及设备、推荐方法及车辆 Download PDFInfo
- Publication number
- CN115711628A CN115711628A CN202211429543.6A CN202211429543A CN115711628A CN 115711628 A CN115711628 A CN 115711628A CN 202211429543 A CN202211429543 A CN 202211429543A CN 115711628 A CN115711628 A CN 115711628A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- route
- recommended
- driving behavior
- vehicle type
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 76
- 238000009411 base construction Methods 0.000 title claims description 20
- 239000000446 fuel Substances 0.000 claims abstract description 100
- 238000012163 sequencing technique Methods 0.000 claims abstract description 6
- 230000006399 behavior Effects 0.000 claims description 191
- 238000004590 computer program Methods 0.000 claims description 33
- 230000008569 process Effects 0.000 claims description 20
- 230000002159 abnormal effect Effects 0.000 claims description 11
- 238000010276 construction Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 description 16
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 10
- 230000001133 acceleration Effects 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Landscapes
- Navigation (AREA)
Abstract
本发明提供一种节油驾驶辅助信息库构建方法及设备、推荐方法及车辆。该方法包括:基于预设距离,将地图上的各条路线分别切分为多个路线片段,并获取每个路线片段上行驶的每种车型的多辆车的驾驶行为数据;针对每个路线片段上的每种车型,根据各辆车的驾驶行为数据,计算各辆车的油耗指数以及当前车型对应的推荐驾驶行为信息;对油耗指数进行排序以确定当前车型对应的不同耗油水平的油耗指数范围;根据当前车型对应的各个耗油水平的油耗指数范围,确定当前车型的耗油水平表;根据每个路线片段上的每种车型的耗油水平表和推荐驾驶行为信息,构建节油驾驶辅助信息库。本发明能够给出更有助于帮助司机实现节油驾驶且适用性更高的推荐驾驶行为信息。
Description
技术领域
本发明涉及车辆节油驾驶技术领域,尤其涉及一种节油驾驶辅助信息库构建方法及设备、推荐方法及车辆。
背景技术
燃油车辆例如商用车的日常行驶过程中,面临各种路况和工况,如何尽量节油高效地驾驶商用车,是一个行业热点研究问题。
目前通常的解决思路是提供尽可能多的驾驶辅助信息给到司机,以使司机得到更多安全高效驾驶相关信息。例如基于地图导航给司机提供路线变化信息及路况信息等,以使司机预见性地了解未来的路线变化,进而采用更合理的驾驶行为来应对未来的路况。
然而,一方面由于地图导航更侧重于路线规划,导致给出的驾驶辅助信息对节油驾驶的作用不大;另一方面,由于影响燃油车辆譬如商用车的油耗高低的因素复杂多样,涉及车辆的动力配置、载重、司机驾驶行为、天气状况、道路交通状况、道路状况等多方面因素,即使基于相同起始地和目的地获取驾驶辅助信息,由于道路选择的多样性,获得的驾驶辅助信息的适用性也较差。
发明内容
本发明实施例提供了一种节油驾驶辅助信息库构建方法及设备、推荐方法及车辆,以解决目前的驾驶辅助信息对节油驾驶的辅助作用不大,且适用性差的问题。
第一方面,本发明实施例提供了一种节油驾驶辅助信息库构建方法,包括:
基于预设距离,将地图上的各条路线分别切分为多个路线片段,并获取在各条路线的每个路线片段上行驶的每种车型的多辆车对应的驾驶行为数据;
针对各条路线的每个路线片段上行驶的每种车型,根据当前车型的各辆车对应的驾驶行为数据,计算当前车型的各辆车对应的油耗指数,以及当前车型对应的推荐驾驶行为信息;
对当前车型的各辆车对应的油耗指数进行排序,并基于排序结果确定当前车型对应的不同耗油水平的油耗指数范围;
根据当前车型对应的不同耗油水平及各个耗油水平的油耗指数范围,确定当前车型的耗油水平表;
根据各条路线的每个路线片段上行驶的每种车型的耗油水平表和推荐驾驶行为信息,构建节油驾驶辅助信息库。
在一种可能的实现方式中,所述获取在各条路线的每个路线片段上行驶的每种车型的多辆车对应的驾驶行为数据,包括:
针对每种车型的每辆车,采集当前车辆在整个行驶过程中的驾驶行为数据和定位数据;
根据当前车辆对应的定位数据,将当前车辆的行驶轨迹切分为多个轨迹片段,并将当前车辆的各个轨迹片段与各条路线的各个路线片段进行匹配;
将与各条路线的各个路线片段匹配的所有轨迹片段所对应的车辆的驾驶行为数据,确定为在各条路线的各个路线片段上行驶的各种车型的多辆车对应的驾驶行为数据。
在一种可能的实现方式中,在根据当前车辆对应的定位数据,将当前车辆的行驶轨迹切分为多个轨迹片段之前,还包括:
根据当前车辆对应的定位数据,计算当前车辆的行驶轨迹中相邻两个定位数据对应的位置之间的行驶距离;
根据采集相邻两个定位数据的时间间隔和所述行驶距离,计算当前车辆在相邻两个定位数据对应的位置之间行驶的行驶速度;
根据所述行驶速度剔除当前车辆的定位数据中的异常数据;
所述根据当前车辆对应的定位数据,将当前车辆的行驶轨迹切分为多个轨迹片段,包括:
根据当前车辆对应的剔除异常数据之后的定位数据,将当前车辆的行驶轨迹切分为多个轨迹片段。
在一种可能的实现方式中,根据当前车型的各辆车对应的驾驶行为数据,计算当前车型对应的推荐驾驶行为信息,包括:
根据当前车型的各辆车对应的驾驶行为数据,分别计算当前车型的各辆车对应的每种驾驶行为数据的平均值;
将当前车型的各辆车对应的每种驾驶行为数据的平均值确定为当前车型对应的推荐驾驶行为信息。
在一种可能的实现方式中,所述基于排序结果确定当前车型对应的不同耗油水平的油耗指数范围,包括:
基于不同耗油水平各自对应的预设比例范围,对所述排序结果中的各个油耗指数进行分段;
根据各段油耗指数中的油耗指数最大值和油耗指数最小值,确定当前车型对应的不同耗油水平的油耗指数范围。
第二方面,本发明实施例提供了一种节油驾驶辅助信息推荐方法,包括:
根据待推荐车辆采集的当前定位数据,确定所述待推荐车辆的目标行驶片段;
从预设节油驾驶辅助信息库中的各条路线的各个路线片段中,确定与所述目标行驶片段匹配的目标路线片段;其中,所述预设节油驾驶辅助信息库为根据权利要求1-5中任一项所述的节油驾驶辅助信息库构建方法构建的节油驾驶辅助信息库;
根据所述目标路线片段上行驶的与所述待推荐车辆的车型相同的目标车型的推荐驾驶行为信息,输出所述待推荐车辆的目标行驶片段对应的推荐驾驶行为信息。
在一种可能的实现方式中,在根据所述目标路线片段上行驶的与所述待推荐车辆的车型相同的目标车型的推荐驾驶行为信息,输出所述待推荐车辆的目标行驶片段对应的推荐驾驶行为信息之后,还包括:
在所述待推荐车辆从所述目标行驶片段上行驶之后,根据所述待推荐车辆采集的在所述目标行驶片段上行驶的驾驶行为数据,计算所述待推荐车辆在所述目标行驶片段上行驶对应的目标油耗指数;
根据所述目标油耗指数和所述目标路线片段上行驶的所述目标车型的耗油水平表,输出所述待推荐车辆在所述目标行驶片段上行驶对应的耗油水平。
第三方面,本发明实施例提供了一种信息库构建设备,包括存储器和处理器,所述存储器用于存储计算机程序,所述处理器用于调用并运行所述存储器中存储的计算机程序,执行如上第一方面或第一方面的任一种可能的实现方式所述方法的步骤。
第四方面,本发明实施例提供了一种车辆,包括推荐设备,所述推荐设备包括存储器和处理器,所述存储器用于存储计算机程序,所述处理器用于调用并运行所述存储器中存储的计算机程序,执行如上第二方面或第二方面的任一种可能的实现方式所述方法的步骤。
第五方面,本发明实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上第一方面或第一方面的任一种可能的实现方式所述方法的步骤。
本发明实施例提供一种节油驾驶辅助信息库构建方法及设备、推荐方法及车辆,通过先基于预设距离,将地图上的各条路线分别切分为多个路线片段,并获取在各条路线的每个路线片段上行驶的每种车型的多辆车对应的驾驶行为数据;再针对各条路线的每个路线片段上行驶的每种车型,根据当前车型的各辆车对应的驾驶行为数据,计算当前车型的各辆车对应的油耗指数,以及当前车型对应的推荐驾驶行为信息;并对当前车型的各辆车对应的油耗指数进行排序,进而基于排序结果确定当前车型对应的不同耗油水平的油耗指数范围;最后根据当前车型对应的不同耗油水平及各个耗油水平的油耗指数范围,确定当前车型的耗油水平表;以根据各条路线的每个路线片段上行驶的每种车型的耗油水平表和推荐驾驶行为信息,构建节油驾驶辅助信息库。一方面,由于本发明实施例是基于与车辆的油耗相关的驾驶行为数据获得的推荐驾驶行为信息构建节油驾驶辅助信息库,因而节油驾驶辅助信息库给出的推荐驾驶行为信息更有助于帮助司机实现节油驾驶;另一方面,由于本发明实施例是基于将各条路线切分得到的各个路线片段构建节油驾驶辅助信息库,而路线片段相对于车辆行驶的整个行程,受车辆自身车况及所处环境工况的影响更小,因而可以降低行驶路线差异大对车辆耗油水平的影响,更为客观的衡量车辆在不同路线片段的耗油水平,从而给出更为科学且适用性更高的推荐驾驶行为信息。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的节油驾驶辅助信息库构建方法的实现流程图;
图2是本发明实施例提供的车辆的驾驶行为数据的采集与流转过程示意图;
图3是本发明实施例提供的计算相邻两个定位数据对应的位置之间的行驶距离的示意图;
图4是本发明实施例提供的节油驾驶辅助信息推荐方法的实现流程图;
图5是本发明实施例提供的节油驾驶辅助信息库构建装置的结构示意图;
图6是本发明实施例提供的节油驾驶辅助信息推荐装置的结构示意图;
图7是本发明实施例提供的信息库构建设备的示意图;
图8是本发明实施例提供的推荐设备的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定***结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的***、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图通过具体实施例来进行说明。
参见图1,其示出了本发明实施例提供的节油驾驶辅助信息库构建方法的实现流程图,详述如下:
在步骤101中,基于预设距离,将地图上的各条路线分别切分为多个路线片段,并获取在各条路线的每个路线片段上行驶的每种车型的多辆车对应的驾驶行为数据。
其中,预设距离为能够将车辆车况及车辆所处环境工况对车辆行驶的油耗的影响尽量减小的距离,可以结合所针对的车辆类型的实际情况确定。例如对于商用车,预设距离可以为5Km、8Km等,对于普通燃油汽车,预设距离可以为10Km、15Km等。除此之外,还可以基于所要输出的耗油水平和推荐驾驶行为信息的准确度确定预设距离,例如若所需准确度较高,则可以适量减小预设距离,若所需准确度一般,则可以适量增加预设距离。
在此基础上,可以基于公路路网数据库中存储的数据,以预设距离5Km为一个路线片段,将各条路线分别切分为多个路线片段,并对切分后的各条路线片段编码以得到各条路线片段的唯一标签,进而便于后续基于各个路线片段构建节油驾驶辅助信息库。
其中,每个路线片段上行驶的每种车型对应的驾驶行为数据可以基于每种车型的实际行驶轨迹匹配得到。驾驶行为数据即能够反映司机的驾驶行为,且对车辆行驶的耗油水平有影响的数据。示例性的,可以定义驾驶行为数据包括:高速行驶时长、低速行驶时长、急加速时长、急减速时长、怠速时长、发动机高转速时长、司机刹车次数、平均速度、平均加速度和平均减速度等。
其中,高速行驶时长可以指车辆每百公里速度超90km/h的行驶时长,低速行驶时长可以指车辆速度低于30km/h的行驶时长,急加速时长可以指车辆每百公里加速度大于1.24m/s2的时长,急减速时长可以指车辆每百公里减速度小于-1.24m/s2的时长,怠速时长可以指车速等于0,发动机转速在0~800rpm,且持续时间大于等于60秒的总时长,发动机高转速时长可以指每百公里发动机转速超过1500rpm的时长,司机刹车次数可以指行程中司机踩刹车的次数,平均速度可以指行程的平均速度,平均加速度可以指行程中大于0的加速度平均值,平均减速度可以指行程中小于0的减速度平均值。需要说明的是,上述描述的各个驾驶行为数据的定义中出现的数值均为示例性数值,并非对各个驾驶行为数据的定义进行限定,具体各个驾驶行为数据的定义可以根据实际需要确定。例如,也可以将车辆每百公里速度超100km/h的行驶时长认定为高速行驶时长。本实施例中通过定义各项与车辆行驶的耗油水平相关的驾驶行为数据,有利于后续基于驾驶行为数据给出司机有关节油驾驶的辅助信息。
可选的,获取在各条路线的每个路线片段上行驶的每种车型的多辆车对应的驾驶行为数据,可以包括:
针对每种车型的每辆车,采集当前车辆在整个行驶过程中的驾驶行为数据和定位数据。
根据当前车辆对应的定位数据,将当前车辆的行驶轨迹切分为多个轨迹片段,并将当前车辆的各个轨迹片段与各条路线的各个路线片段进行匹配。
将与各条路线的各个路线片段匹配的所有轨迹片段所对应的车辆的驾驶行为数据,确定为在各条路线的各个路线片段上行驶的各种车型的多辆车对应的驾驶行为数据。
本实施例中,为了构建适应范围更广的节油驾驶辅助信息库,在采集车辆的驾驶行为数据和定位数据之前,可以先收集当前市场上的车辆品牌和型号以建立车辆品牌类型库,进而针对车辆品牌类型库中的每种品牌的每种车型,采集其在行驶过程中对应的驾驶行为数据和定位数据。
其中,结合图2所示,可以基于车辆的自动制动***(Autonomous EmergencyBraking,AEB)中的AEB采集器采集车辆在行驶过程中的各项行驶数据,以得到各项驾驶行为数据。示例性的,AEB采集器采集的各项行驶数据可以包括行驶里程、速度、加速度、减速度、发动机转速以及司机刹车次数等,在此基础上,还可以采集车辆的车辆油耗数据,以便于后续对基于车辆的驾驶行为数据计算得到的油耗指数进行相互验证。除此之外,还可以基于定位***例如全球定位***(Global Positioning System,GPS)或北斗卫星定位***等采集车辆在行驶过程中的定位数据。示例性的,根据需要,可以按照1s/次或者2s/次的频率采集车辆在行驶过程中对应的驾驶行为数据和定位数据。
其中,每种车型的各辆车在行驶过程中采集到对应的驾驶行为数据、车辆油耗数据及定位数据后,可以将其发送到车辆油耗及驾驶行为数据库中进行存储;车辆油耗及驾驶行为数据库对存储的驾驶行为数据、车辆油耗数据及定位数据进行清洗后,可以将其发送到车辆油耗及驾驶行为数据仓库,以便于后续构建节油驾驶辅助信息库。
在此基础上,基于车辆油耗及驾驶行为数据仓库中的定位数据,可以将车辆的行驶轨迹切分为多个轨迹片段,并将车辆的各个轨迹片段与各条路线的各个路线片段进行匹配。若某一轨迹片段与某一路线片段匹配,则可以将该轨迹片段所对应的车辆的驾驶行为数据及车辆油耗数据确定为该路线片段对应的驾驶行为数据及车辆油耗数据。本实施例通过将车辆的行驶轨迹中的各个轨迹片段与各条路线的各个路线片段进行匹配,一方面可以增加各个路线片段对应的数据信息,进而有助于提高后续给出的推荐驾驶行为信息的准确度与适应度;另一方面相较于将车辆的整个行驶轨迹与各条路线进行匹配,也有助于车辆油耗数据的横向对比,进而提高给出的推荐驾驶行为信息的准确度与适应度。
示例性的,可以采用深度学习方法将各个轨迹片段与各个路线片段进行匹配。例如采用隐马尔可夫算法(Hidden Markov model,HMM)相匹配,HMM算法主要分为三个部分,首先为每个轨迹点(即定位数据)找寻候选点,其次计算前后两个轨迹点的候选点集合中两两候选点的转移概率,和每个候选点的观测概率,最后用维特比算法(Viterbi algorithm)在观测概率和转移概率得到的概率中找到最可能的匹配结果。将各个轨迹片段与各个路线片段进行匹配后,可以按照路线片段的唯一标签,将相同品牌相同型号的车辆油耗数据、行驶数据和驾驶行为数据整合成一个路线片段对应的一种车型的数据集合,以便于后续针对每个路线片段的每种车型的驾驶行为数据进行处理。
可选的,在根据当前车辆对应的定位数据,将当前车辆的行驶轨迹切分为多个轨迹片段之前,还可以包括:
根据当前车辆对应的定位数据,计算当前车辆的行驶轨迹中相邻两个定位数据对应的位置之间的行驶距离。
根据采集相邻两个定位数据的时间间隔和行驶距离,计算当前车辆在相邻两个定位数据对应的位置之间行驶的行驶速度。
根据行驶速度剔除当前车辆的定位数据中的异常数据。
相应的,根据当前车辆对应的定位数据,将当前车辆的行驶轨迹切分为多个轨迹片段,可以包括:
根据当前车辆对应的剔除异常数据之后的定位数据,将当前车辆的行驶轨迹切分为多个轨迹片段。
本实施例中,结合图3,基于数据清洗的方法对每种车型的每辆车采集的定位数据进行异常数据判断。例如基于V1=S1/T1计算车辆在定位数据对应的轨迹点P1和轨迹点P2之间行驶的行驶速度V1,其中,S1为相邻的轨迹点P1和轨迹点P2之间的行驶距离。若行驶速度V1大于预设速度阈值,则判断轨迹点P1或轨迹点P2为异常数据,从而剔除该漂移的定位数据,同时剔除该偏移的定位数据对应的驾驶行为数据,以降低异常数据对后续输出的推荐驾驶行为信息及耗油水平的影响。
其中,预设速度阈值可以根据车辆行驶的道路工况的限制确定,例如预设速度阈值可以为120Km/h或者100Km/h。
在步骤102中,针对各条路线的每个路线片段上行驶的每种车型,根据当前车型的各辆车对应的驾驶行为数据,计算当前车型的各辆车对应的油耗指数,以及当前车型对应的推荐驾驶行为信息。
本实施例中,由于获取的驾驶行为数据为对车辆行驶的耗油水平有影响的数据,因此可以确定车辆的各项驾驶行为数据与车辆油耗数据之间的关系,进而基于车辆在各个路线片段上行驶对应的各项驾驶行为数据,计算车辆在各个路线片段上行驶对应的油耗指数,以表征车辆油耗数据的大小。
同样的,由于获取的驾驶行为数据为对车辆行驶的耗油水平有影响的数据,因此可以按照一定规则根据每个路线片段上行驶的每种车型的各辆车对应的驾驶行为数据,计算该路线片段上行驶的该种车型对应的推荐驾驶行为信息。
例如,可以将该路线片段上行驶的该种车型中表征耗油水平最低的油耗指数对应的各项驾驶行为数据确定为该路线片段上行驶的该种车型对应的推荐驾驶行为信息。或者,也可以将该路线片段上行驶的该种车型中的油耗指数中位数对应的各项驾驶行为数据确定为该路线片段上行驶的该种车型对应的推荐驾驶行为信息。或者,还可以将该路线片段上行驶的该种车型中各辆车对应的驾驶行为数据的平均值确定为该路线片段上行驶的该种车型对应的推荐驾驶行为信息。本实施例对具体如何确定每个路线片段上行驶的每种车型对应的推荐驾驶行为信息不做限定。
可选的,根据当前车型的各辆车对应的驾驶行为数据,计算当前车型对应的推荐驾驶行为信息,可以包括:
根据当前车型的各辆车对应的驾驶行为数据,分别计算当前车型的各辆车对应的每种驾驶行为数据的平均值。
将当前车型的各辆车对应的每种驾驶行为数据的平均值确定为当前车型对应的推荐驾驶行为信息。
本实施例中,为了使确定的推荐驾驶行为信息的实用性更强,可以将该路线片段上行驶的该种车型中各辆车对应的各项驾驶行为数据的平均值确定为该路线片段上行驶的该种车型对应的推荐驾驶行为信息。
在步骤103中,对当前车型的各辆车对应的油耗指数进行排序,并基于排序结果确定当前车型对应的不同耗油水平的油耗指数范围。
本实施例中,可以按照一定规则将车辆的耗油水平划分为低、中、高,或者利用不同的耗油评分表征车辆不同的耗油水平。假定按照一定比例将车辆的耗油水平划分为低、中、高,或者将车辆的耗油水平评定为10分、20分、30分……100分等,则在对当前车型的各辆车对应的油耗指数进行排序后,可以基于排序结果确定低耗油水平、中耗油水平、高耗油水平分别对应的油耗指数范围,或者10分的耗油水平、20分的耗油水平、30分的耗油水平……100分的耗油水平分别对应的油耗指数范围。以便于在后续计算出待推荐车辆的油耗指数后,输出待推荐车辆的耗油水平。
除此之外,本实施例还可以按照相同的方式将当前车型的各辆车对应的各项驾驶行为数据分别进行排序,并基于各项驾驶行为数据的排序结果确定当前车型对应的不同驾驶行为的驾驶行为数据范围,以便于后续基于待推荐车辆的各项驾驶行为数据,对待推荐车辆的驾驶行为进行量化。
可选的,基于排序结果确定当前车型对应的不同耗油水平的油耗指数范围,可以包括:
基于不同耗油水平各自对应的预设比例范围,对排序结果中的各个油耗指数进行分段;
根据各段油耗指数中的油耗指数最大值和油耗指数最小值,确定当前车型对应的不同耗油水平的油耗指数范围。
示例性的,假设(0,10%)对应10分的耗油水平,(10%,20%)对应20分的耗油水平,(20%,30%)对应30分的耗油水平……(90%,100%)对应100分的耗油水平。若在某一路线片段上行驶的某种车型获取到100辆车的油耗指数,则在对该100个油耗指数排序后,可以将前10%的油耗指数中的油耗指数最大值和油耗指数最小值确定为10分的耗油水平的油耗指数范围,将10%~20%的油耗指数中的油耗指数最大值和油耗指数最小值确定为20分的耗油水平的油耗指数范围,……依次类推。
本实施例中,考虑到对应同一路线片段上的相同车型,即使驾驶行为数据相同,若车辆的车况和环境工况不同,得到的油耗指数也可能不同,因此基于赋分的原理确定当前车型对应的不同耗油水平的油耗指数范围,有利于更为科学的确定车辆的耗油水平。
在步骤104中,根据当前车型对应的不同耗油水平及各个耗油水平的油耗指数范围,确定当前车型的耗油水平表。
示例性的,可以按照百分位区间范围、耗油水平评分、油耗指数范围确定某一路线片段的某一车型的耗油水平表。在此基础上,还可以在耗油水平表中确定各项驾驶行为数据范围,例如在各个百分位区间对应的怠速时长范围、高速行驶时长范围、低速行驶时长范围、急加速时长范围、急减速时长范围、发动机高转速时长范围、司机刹车次数范围、平均速度范围、平均加速度范围和平均减速度范围等。
在步骤105中,根据各条路线的每个路线片段上行驶的每种车型的耗油水平表和推荐驾驶行为信息,构建节油驾驶辅助信息库。
示例性的,可以基于每隔一段时间例如3个月或6个月采集的车辆的驾驶行为数据更新某一路线片段的某一车型的耗油水平表。若某一路线片段的某一车型在该时间段内采集的驾驶行为数据不足预设阈值(即在该时间段内某一路线片段上行驶的某一车型的车辆的数量不足预设阈值),则可以不获取或更新该路线片段的该车型的耗油水平表。
其中,可以将各路线片段上行驶的各车型的耗油水平表及各个路线片段的唯一标签均以标签形式存储,同时再各路线片段上行驶的各车型对应的标签下存储其推荐驾驶行为信息,进而构建得到包含各条路线的各个路线片段的各种车型的节油驾驶辅助信息库。
在此基础上,还可以对节油驾驶辅助信息库的效果进行评估,并在评估为需要对节油驾驶辅助信息库进行更新时对节油驾驶辅助信息库进行更新。
本实施例构建的节油驾驶辅助信息库,相对于常规地图的路线库,可以给出各条路线的各个路线片段对应的各项驾驶行为的推荐驾驶行为信息以及车辆的耗油水平,将该推荐驾驶行为信息及该耗油水平反馈给该路线的该路线片段上行驶的车辆的司机,可以让司机了解到自己驾驶的车辆相对于其他司机来说是否费油,是否其他司机有更好的驾驶行为,进而让这段路走的更省油。
本发明实施例通过先基于预设距离,将地图上的各条路线分别切分为多个路线片段,并获取在各条路线的每个路线片段上行驶的每种车型的多辆车对应的驾驶行为数据;再针对各条路线的每个路线片段上行驶的每种车型,根据当前车型的各辆车对应的驾驶行为数据,计算当前车型的各辆车对应的油耗指数,以及当前车型对应的推荐驾驶行为信息;并对当前车型的各辆车对应的油耗指数进行排序,进而基于排序结果确定当前车型对应的不同耗油水平的油耗指数范围;最后根据当前车型对应的不同耗油水平及各个耗油水平的油耗指数范围,确定当前车型的耗油水平表;以根据各条路线的每个路线片段上行驶的每种车型的耗油水平表和推荐驾驶行为信息,构建节油驾驶辅助信息库。一方面,由于本发明实施例是基于与车辆的油耗相关的驾驶行为数据获得的推荐驾驶行为信息构建节油驾驶辅助信息库,因而节油驾驶辅助信息库给出的推荐驾驶行为信息更有助于帮助司机实现节油驾驶;另一方面,由于本发明实施例是基于将各条路线切分得到的各个路线片段构建节油驾驶辅助信息库,而路线片段相对于车辆行驶的整个行程,受车辆自身车况及所处环境工况的影响更小,因而可以降低行驶路线差异大对车辆耗油水平的影响,更为客观的衡量车辆在不同路线片段的耗油水平,从而给出更为科学且适用性更高的推荐驾驶行为信息。
参见图4,其示出了本发明实施例提供的节油驾驶辅助信息推荐方法的实现流程图,详述如下:
在步骤401中,根据待推荐车辆采集的当前定位数据,确定待推荐车辆的目标行驶片段。
其中,待推荐车辆即应用该节油驾驶辅助信息推荐方法的车辆,在待推荐车辆开始行驶前或行驶到某一路线片段之前,可以基于待推荐车辆采集的当前定位数据,确定待推荐车辆即将行驶的目标行驶片段,以便于在待推荐车辆开始行驶前或行驶到某一路线片段之前,给出目标行驶片段的推荐驾驶行为信息,从而使司机基于推荐驾驶行为信息,更省油的驾驶车辆行驶过该目标行驶片段。
在步骤402中,从预设节油驾驶辅助信息库中的各条路线的各个路线片段中,确定与目标行驶片段匹配的目标路线片段。
其中,预设节油驾驶辅助信息库为根据上述任一实施例所述的节油驾驶辅助信息库构建方法构建的节油驾驶辅助信息库。
本实施例中,由于预设节油驾驶辅助信息库中存储了各条路线的各个路线片段的各种车型的耗油水平表和推荐驾驶行为信息,因此,从预设节油驾驶辅助信息库中的各条路线的各个路线片段中,确定与目标行驶片段匹配的目标路线片段,便于确定待推荐车辆在目标行驶片段行驶的推荐驾驶行为信息及耗油水平。
在步骤403中,根据目标路线片段上行驶的与待推荐车辆的车型相同的目标车型的推荐驾驶行为信息,输出待推荐车辆的目标行驶片段对应的推荐驾驶行为信息。
本实施例根据目标路线片段上行驶的与待推荐车辆的车型相同的目标车型的推荐驾驶行为信息,输出待推荐车辆的目标行驶片段对应的推荐驾驶行为信息,可以使输出的推荐驾驶行为信息更加适用于在目标行驶片段上行驶的待推荐车辆。
可选的,在根据目标路线片段上行驶的与待推荐车辆的车型相同的目标车型的推荐驾驶行为信息,输出待推荐车辆的目标行驶片段对应的推荐驾驶行为信息之后,还可以包括:
在待推荐车辆从目标行驶片段上行驶之后,根据待推荐车辆采集的在目标行驶片段上行驶的驾驶行为数据,计算待推荐车辆在目标行驶片段上行驶对应的目标油耗指数;
根据目标油耗指数和目标路线片段上行驶的目标车型的耗油水平表,输出待推荐车辆在目标行驶片段上行驶对应的耗油水平。
本实施例中,除了在待推荐车辆开始行驶前或行驶到某一路线片段之前,给出目标行驶片段的推荐驾驶行为信息之外,在待推荐车辆行驶过目标行驶片段之后,还可以基于目标行驶片段上行驶的目标车型的耗油水平表,输出待推荐车辆在目标行驶片段上行驶对应的耗油水平,并反映待推荐车辆在目标行驶片段上行驶的耗油水平的高低。
可选的,在预设节油驾驶辅助信息库中的各条路线的每个路线片段上行驶的每种车型的耗油水平表还包括不同驾驶行为的驾驶行为数据范围时,还可以输出待推荐车辆在目标行驶片段上行驶对应的驾驶行为评分,以反映待推荐车辆在目标行驶片段上行驶对应的驾驶行为的好坏,进而帮助司机改善驾驶行为。
可选的,在待推荐车辆行驶完成后,还可以计算待推荐车辆在各个目标行驶片段上行驶对应的耗油水平的平均值,作为待推荐车辆的整个行驶过程的整体耗油水平。
示例性的,在基于相应季节、车辆品牌、车辆型号确定对应的路线片段库之后,可以基于待推荐车辆采集的当前定位数据,确定待推荐车辆的目标行驶片段,并事先给出待推荐车辆在目标行驶片段上行驶对应的推荐驾驶行为信息。在待推荐车辆行驶过目标行驶片段后,可以基于待推荐车辆在目标行驶片段行驶的驾驶行为数据,计算得到待推荐车辆在目标行驶片段行驶的油耗指数,例如为42.5L/百公里,并确定怠速时长为360s,然后基于耗油水平表,给出待推荐车辆在目标行驶片段上行驶对应的耗油水平评分为30分,怠速时长评分为70分。若相应的[0,40)区间评分的油耗水平和驾驶行为数据为低,[40,80)区间评分的油耗水平和驾驶行为数据为中等,[80,100]区间评分的油耗水平和驾驶行为数据为高,则可以输出待推荐车辆在目标行驶片段行驶的油耗水平为低、怠速时长为中,其他驾驶行为数据的好坏的确定过程与怠速时长类似,在此不再一一赘述。在待推荐车辆行驶完成后,计算待推荐车辆在各个目标行驶片段上行驶对应的耗油水平的平均值为85分,则可以确定待推荐车辆的整个行驶过程的整体耗油水平为高。
本发明实施例可以在待推荐车辆的行驶过程中或行驶完成后,发现待推荐车辆的高油耗的行驶片段、整个行驶过程的整体耗油水平和司机驾驶车辆的驾驶行为画像。进而帮助司机确定自己驾驶的车辆相对于其他司机来说是否费油以及自己驾驶车辆的驾驶行为是否还可以改善。
本发明实施例通过基于预设节油驾驶辅助信息库确定待推荐车辆在目标行驶片段行驶的推荐驾驶行为信息以及耗油水平,由于预设节油驾驶辅助信息库是基于与车辆的油耗相关的驾驶行为数据获得的推荐驾驶行为信息构建的,因而预设节油驾驶辅助信息库给出的推荐驾驶行为信息更有助于帮助司机实现节油驾驶。而且由于预设节油驾驶辅助信息库是基于将各条路线切分得到的各个路线片段构建的,因而可以降低行驶路线差异大对车辆耗油水平的影响,更为客观的衡量车辆在不同路线片段的耗油水平,从而给出更为科学且适用性更高的推荐驾驶行为信息。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
以下为本发明的装置实施例,对于其中未详尽描述的细节,可以参考上述对应的方法实施例。
图5示出了本发明实施例提供的节油驾驶辅助信息库构建装置的结构示意图,为了便于说明,仅示出了与本发明实施例相关的部分,详述如下:
如图5所示,节油驾驶辅助信息库构建装置包括:获取模块51、第一处理模块52、第二处理模块53、第三处理模块54和构建模块55。
获取模块51,用于基于预设距离,将地图上的各条路线分别切分为多个路线片段,并获取在各条路线的每个路线片段上行驶的每种车型的多辆车对应的驾驶行为数据;
第一处理模块52,用于针对各条路线的每个路线片段上行驶的每种车型,根据当前车型的各辆车对应的驾驶行为数据,计算当前车型的各辆车对应的油耗指数,以及当前车型对应的推荐驾驶行为信息;
第二处理模块53,用于对当前车型的各辆车对应的油耗指数进行排序,并基于排序结果确定当前车型对应的不同耗油水平的油耗指数范围;
第三处理模块54,用于根据当前车型对应的不同耗油水平及各个耗油水平的油耗指数范围,确定当前车型的耗油水平表;
构建模块55,用于根据各条路线的每个路线片段上行驶的每种车型的耗油水平表和推荐驾驶行为信息,构建节油驾驶辅助信息库。
本发明实施例通过先基于预设距离,将地图上的各条路线分别切分为多个路线片段,并获取在各条路线的每个路线片段上行驶的每种车型的多辆车对应的驾驶行为数据;再针对各条路线的每个路线片段上行驶的每种车型,根据当前车型的各辆车对应的驾驶行为数据,计算当前车型的各辆车对应的油耗指数,以及当前车型对应的推荐驾驶行为信息;并对当前车型的各辆车对应的油耗指数进行排序,进而基于排序结果确定当前车型对应的不同耗油水平的油耗指数范围;最后根据当前车型对应的不同耗油水平及各个耗油水平的油耗指数范围,确定当前车型的耗油水平表;以根据各条路线的每个路线片段上行驶的每种车型的耗油水平表和推荐驾驶行为信息,构建节油驾驶辅助信息库。一方面,由于本发明实施例是基于与车辆的油耗相关的驾驶行为数据获得的推荐驾驶行为信息构建节油驾驶辅助信息库,因而节油驾驶辅助信息库给出的推荐驾驶行为信息更有助于帮助司机实现节油驾驶;另一方面,由于本发明实施例是基于将各条路线切分得到的各个路线片段构建节油驾驶辅助信息库,而路线片段相对于车辆行驶的整个行程,受车辆自身车况及所处环境工况的影响更小,因而可以降低行驶路线差异大对车辆耗油水平的影响,更为客观的衡量车辆在不同路线片段的耗油水平,从而给出更为科学且适用性更高的推荐驾驶行为信息。
在一种可能的实现方式中,获取模块51,可以用于针对每种车型的每辆车,采集当前车辆在整个行驶过程中的驾驶行为数据和定位数据;
根据当前车辆对应的定位数据,将当前车辆的行驶轨迹切分为多个轨迹片段,并将当前车辆的各个轨迹片段与各条路线的各个路线片段进行匹配;
将与各条路线的各个路线片段匹配的所有轨迹片段所对应的车辆的驾驶行为数据,确定为在各条路线的各个路线片段上行驶的各种车型的多辆车对应的驾驶行为数据。
在一种可能的实现方式中,获取模块51,还可以用于根据当前车辆对应的定位数据,计算当前车辆的行驶轨迹中相邻两个定位数据对应的位置之间的行驶距离;
根据采集相邻两个定位数据的时间间隔和所述行驶距离,计算当前车辆在相邻两个定位数据对应的位置之间行驶的行驶速度;
根据所述行驶速度剔除当前车辆的定位数据中的异常数据。
获取模块51,可以用于根据当前车辆对应的剔除异常数据之后的定位数据,将当前车辆的行驶轨迹切分为多个轨迹片段。
在一种可能的实现方式中,第一处理模块52,可以用于根据当前车型的各辆车对应的驾驶行为数据,分别计算当前车型的各辆车对应的每种驾驶行为数据的平均值;
将当前车型的各辆车对应的每种驾驶行为数据的平均值确定为当前车型对应的推荐驾驶行为信息。
在一种可能的实现方式中,第二处理模块53,可以用于基于不同耗油水平各自对应的预设比例范围,对所述排序结果中的各个油耗指数进行分段;
根据各段油耗指数中的油耗指数最大值和油耗指数最小值,确定当前车型对应的不同耗油水平的油耗指数范围。
图6示出了本发明实施例提供的节油驾驶辅助信息推荐装置的结构示意图,为了便于说明,仅示出了与本发明实施例相关的部分,详述如下:
如图6所示,节油驾驶辅助信息推荐装置包括:第四处理模块61、第五处理模块62和推荐模块63。
第四处理模块61,用于根据待推荐车辆采集的当前定位数据,确定所述待推荐车辆的目标行驶片段;
第五处理模块62,用于从预设节油驾驶辅助信息库中的各条路线的各个路线片段中,确定与所述目标行驶片段匹配的目标路线片段;其中,所述预设节油驾驶辅助信息库为根据权利要求1-5中任一项所述的节油驾驶辅助信息库构建方法构建的节油驾驶辅助信息库;
推荐模块63,用于根据所述目标路线片段上行驶的与所述待推荐车辆的车型相同的目标车型的推荐驾驶行为信息,输出所述待推荐车辆的目标行驶片段对应的推荐驾驶行为信息。
本发明实施例通过基于预设节油驾驶辅助信息库确定待推荐车辆在目标行驶片段行驶的推荐驾驶行为信息以及耗油水平,由于预设节油驾驶辅助信息库是基于与车辆的油耗相关的驾驶行为数据获得的推荐驾驶行为信息构建的,因而预设节油驾驶辅助信息库给出的推荐驾驶行为信息更有助于帮助司机实现节油驾驶。而且由于预设节油驾驶辅助信息库是基于将各条路线切分得到的各个路线片段构建的,因而可以降低行驶路线差异大对车辆耗油水平的影响,更为客观的衡量车辆在不同路线片段的耗油水平,从而给出更为科学且适用性更高的推荐驾驶行为信息。
在一种可能的实现方式中,推荐模块63,还可以用于在所述待推荐车辆从所述目标行驶片段上行驶之后,根据所述待推荐车辆采集的在所述目标行驶片段上行驶的驾驶行为数据,计算所述待推荐车辆在所述目标行驶片段上行驶对应的目标油耗指数;
根据所述目标油耗指数和所述目标路线片段上行驶的所述目标车型的耗油水平表,输出所述待推荐车辆在所述目标行驶片段上行驶对应的耗油水平。
图7是本发明实施例提供的信息库构建设备的示意图。如图7所示,该实施例的信息库构建设备7包括:处理器70、存储器71以及存储在存储器71中并可在处理器70上运行的计算机程序72。处理器70执行计算机程序72时实现上述各个节油驾驶辅助信息库构建方法实施例中的步骤,例如图1所示的步骤101至步骤105。或者,处理器70执行计算机程序72时实现上述各装置实施例中各模块/单元的功能,例如图5所示模块/单元51至55的功能。
示例性的,计算机程序72可以被分割成一个或多个模块/单元,一个或者多个模块/单元被存储在存储器71中,并由处理器70执行,以完成本发明。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述计算机程序72在信息库构建设备7中的执行过程。例如,计算机程序72可以被分割成图5所示的模块/单元51至55。
信息库构建设备7可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。信息库构建设备7可包括,但不仅限于,处理器70、存储器71。本领域技术人员可以理解,图7仅仅是信息库构建设备7的示例,并不构成对信息库构建设备7的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如信息库构建设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器70可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器71可以是信息库构建设备7的内部存储单元,例如信息库构建设备7的硬盘或内存。存储器71也可以是信息库构建设备7的外部存储设备,例如信息库构建设备7上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,存储器71还可以既包括信息库构建设备7的内部存储单元也包括外部存储设备。存储器71用于存储计算机程序以及信息库构建设备所需的其他程序和数据。存储器71还可以用于暂时地存储已经输出或者将要输出的数据。
图8是本发明实施例提供的推荐设备的示意图。如图8所示,该实施例的推荐设备8包括:处理器80、存储器81以及存储在存储器81中并可在处理器80上运行的计算机程序82。处理器80执行计算机程序82时实现上述各个节油驾驶辅助信息推荐方法实施例中的步骤,例如图4所示的步骤401至步骤403。或者,处理器80执行计算机程序82时实现上述各装置实施例中各模块/单元的功能,例如图6所示模块/单元61至63的功能。
示例性的,计算机程序82可以被分割成一个或多个模块/单元,一个或者多个模块/单元被存储在存储器81中,并由处理器80执行,以完成本发明。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述计算机程序82在推荐设备8中的执行过程。例如,计算机程序82可以被分割成图6所示的模块/单元61至63。
推荐设备8可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。推荐设备8可包括,但不仅限于,处理器80、存储器81。本领域技术人员可以理解,图8仅仅是推荐设备8的示例,并不构成对推荐设备8的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如推荐设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器80可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器81可以是推荐设备8的内部存储单元,例如推荐设备8的硬盘或内存。存储器81也可以是推荐设备8的外部存储设备,例如推荐设备8上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,存储器81还可以既包括推荐设备8的内部存储单元也包括外部存储设备。存储器81用于存储计算机程序以及推荐设备所需的其他程序和数据。存储器81还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述***中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
作为本发明的另一实施例,本发明还可以包括一种车辆,包括如上任一实施例的推荐设备,且与上述推荐设备具有同样的有益效果,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的装置/信息库构建设备、推荐设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/信息库构建设备/推荐设备实施例仅仅是示意性的,例如,模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个节油驾驶辅助信息库构建方法实施例或各个节油驾驶辅助信息推荐方法实施例的步骤。其中,计算机程序包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括:能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、电载波信号、电信信号以及软件分发介质等。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种节油驾驶辅助信息库构建方法,其特征在于,包括:
基于预设距离,将地图上的各条路线分别切分为多个路线片段,并获取在各条路线的每个路线片段上行驶的每种车型的多辆车对应的驾驶行为数据;
针对各条路线的每个路线片段上行驶的每种车型,根据当前车型的各辆车对应的驾驶行为数据,计算当前车型的各辆车对应的油耗指数,以及当前车型对应的推荐驾驶行为信息;
对当前车型的各辆车对应的油耗指数进行排序,并基于排序结果确定当前车型对应的不同耗油水平的油耗指数范围;
根据当前车型对应的不同耗油水平及各个耗油水平的油耗指数范围,确定当前车型的耗油水平表;
根据各条路线的每个路线片段上行驶的每种车型的耗油水平表和推荐驾驶行为信息,构建节油驾驶辅助信息库。
2.根据权利要求1所述的节油驾驶辅助信息库构建方法,其特征在于,所述获取在各条路线的每个路线片段上行驶的每种车型的多辆车对应的驾驶行为数据,包括:
针对每种车型的每辆车,采集当前车辆在整个行驶过程中的驾驶行为数据和定位数据;
根据当前车辆对应的定位数据,将当前车辆的行驶轨迹切分为多个轨迹片段,并将当前车辆的各个轨迹片段与各条路线的各个路线片段进行匹配;
将与各条路线的各个路线片段匹配的所有轨迹片段所对应的车辆的驾驶行为数据,确定为在各条路线的各个路线片段上行驶的各种车型的多辆车对应的驾驶行为数据。
3.根据权利要求2所述的节油驾驶辅助信息库构建方法,其特征在于,在根据当前车辆对应的定位数据,将当前车辆的行驶轨迹切分为多个轨迹片段之前,还包括:
根据当前车辆对应的定位数据,计算当前车辆的行驶轨迹中相邻两个定位数据对应的位置之间的行驶距离;
根据采集相邻两个定位数据的时间间隔和所述行驶距离,计算当前车辆在相邻两个定位数据对应的位置之间行驶的行驶速度;
根据所述行驶速度剔除当前车辆的定位数据中的异常数据;
所述根据当前车辆对应的定位数据,将当前车辆的行驶轨迹切分为多个轨迹片段,包括:
根据当前车辆对应的剔除异常数据之后的定位数据,将当前车辆的行驶轨迹切分为多个轨迹片段。
4.根据权利要求1所述的节油驾驶辅助信息库构建方法,其特征在于,根据当前车型的各辆车对应的驾驶行为数据,计算当前车型对应的推荐驾驶行为信息,包括:
根据当前车型的各辆车对应的驾驶行为数据,分别计算当前车型的各辆车对应的每种驾驶行为数据的平均值;
将当前车型的各辆车对应的每种驾驶行为数据的平均值确定为当前车型对应的推荐驾驶行为信息。
5.根据权利要求1所述的节油驾驶辅助信息库构建方法,其特征在于,所述基于排序结果确定当前车型对应的不同耗油水平的油耗指数范围,包括:
基于不同耗油水平各自对应的预设比例范围,对所述排序结果中的各个油耗指数进行分段;
根据各段油耗指数中的油耗指数最大值和油耗指数最小值,确定当前车型对应的不同耗油水平的油耗指数范围。
6.一种节油驾驶辅助信息推荐方法,其特征在于,包括:
根据待推荐车辆采集的当前定位数据,确定所述待推荐车辆的目标行驶片段;
从预设节油驾驶辅助信息库中的各条路线的各个路线片段中,确定与所述目标行驶片段匹配的目标路线片段;其中,所述预设节油驾驶辅助信息库为根据权利要求1-5中任一项所述的节油驾驶辅助信息库构建方法构建的节油驾驶辅助信息库;
根据所述目标路线片段上行驶的与所述待推荐车辆的车型相同的目标车型的推荐驾驶行为信息,输出所述待推荐车辆的目标行驶片段对应的推荐驾驶行为信息。
7.根据权利要求6所述的节油驾驶辅助信息推荐方法,其特征在于,在根据所述目标路线片段上行驶的与所述待推荐车辆的车型相同的目标车型的推荐驾驶行为信息,输出所述待推荐车辆的目标行驶片段对应的推荐驾驶行为信息之后,还包括:
在所述待推荐车辆从所述目标行驶片段上行驶之后,根据所述待推荐车辆采集的在所述目标行驶片段上行驶的驾驶行为数据,计算所述待推荐车辆在所述目标行驶片段上行驶对应的目标油耗指数;
根据所述目标油耗指数和所述目标路线片段上行驶的所述目标车型的耗油水平表,输出所述待推荐车辆在所述目标行驶片段上行驶对应的耗油水平。
8.一种信息库构建设备,其特征在于,包括存储器和处理器,所述存储器用于存储计算机程序,所述处理器用于调用并运行所述存储器中存储的计算机程序,执行如权利要求1至5中任一项所述的方法。
9.一种车辆,其特征在于,包括推荐设备,所述推荐设备包括存储器和处理器,所述存储器用于存储计算机程序,所述处理器用于调用并运行所述存储器中存储的计算机程序,执行如权利要求6或7所述的方法。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如上的权利要求1至7中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211429543.6A CN115711628A (zh) | 2022-11-15 | 2022-11-15 | 节油驾驶辅助信息库构建方法及设备、推荐方法及车辆 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211429543.6A CN115711628A (zh) | 2022-11-15 | 2022-11-15 | 节油驾驶辅助信息库构建方法及设备、推荐方法及车辆 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115711628A true CN115711628A (zh) | 2023-02-24 |
Family
ID=85233405
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211429543.6A Pending CN115711628A (zh) | 2022-11-15 | 2022-11-15 | 节油驾驶辅助信息库构建方法及设备、推荐方法及车辆 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115711628A (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20080005792A (ko) * | 2006-07-10 | 2008-01-15 | (주)컨피테크 | 운전자의 운전지수를 이용하는 운전 유형 분석 시스템 및그 운전 유형 분석 방법 |
CN105865472A (zh) * | 2016-04-06 | 2016-08-17 | 重庆邮电大学 | 一种基于最佳油耗的车载导航方法 |
US20180150079A1 (en) * | 2015-06-12 | 2018-05-31 | Mitsubishi Electric Corporation | Driving support apparatus and driving support method |
CN108416873A (zh) * | 2018-03-01 | 2018-08-17 | 吉旗物联科技(上海)有限公司 | 一种根据行业、车型及线路计算行业平均油耗的方法 |
CN111038517A (zh) * | 2019-11-28 | 2020-04-21 | 苏州智加科技有限公司 | 车辆行驶速度确定方法和装置 |
CN111717220A (zh) * | 2020-05-12 | 2020-09-29 | 重庆长安汽车股份有限公司 | 用户节油提示方法及*** |
CN112629524A (zh) * | 2020-12-03 | 2021-04-09 | 文诚恒远(天津)供应链管理服务有限公司 | 出行路径推荐管理方法、装置和电子设备 |
CN113706912A (zh) * | 2021-08-27 | 2021-11-26 | 北京万集科技股份有限公司 | 一种车辆的辅助驾驶方法、***、终端设备及存储介质 |
CN113847925A (zh) * | 2021-09-15 | 2021-12-28 | 北京中交兴路车联网科技有限公司 | 基于轨迹数据检测车辆偏航的方法、装置、设备及介质 |
CN114426025A (zh) * | 2022-03-17 | 2022-05-03 | 一汽解放汽车有限公司 | 驾驶辅助方法、装置、计算机设备和存储介质 |
CN114435379A (zh) * | 2022-01-07 | 2022-05-06 | 所托(杭州)汽车智能设备有限公司 | 车辆经济性驾驶控制方法及装置 |
-
2022
- 2022-11-15 CN CN202211429543.6A patent/CN115711628A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20080005792A (ko) * | 2006-07-10 | 2008-01-15 | (주)컨피테크 | 운전자의 운전지수를 이용하는 운전 유형 분석 시스템 및그 운전 유형 분석 방법 |
US20180150079A1 (en) * | 2015-06-12 | 2018-05-31 | Mitsubishi Electric Corporation | Driving support apparatus and driving support method |
CN105865472A (zh) * | 2016-04-06 | 2016-08-17 | 重庆邮电大学 | 一种基于最佳油耗的车载导航方法 |
CN108416873A (zh) * | 2018-03-01 | 2018-08-17 | 吉旗物联科技(上海)有限公司 | 一种根据行业、车型及线路计算行业平均油耗的方法 |
CN111038517A (zh) * | 2019-11-28 | 2020-04-21 | 苏州智加科技有限公司 | 车辆行驶速度确定方法和装置 |
CN111717220A (zh) * | 2020-05-12 | 2020-09-29 | 重庆长安汽车股份有限公司 | 用户节油提示方法及*** |
CN112629524A (zh) * | 2020-12-03 | 2021-04-09 | 文诚恒远(天津)供应链管理服务有限公司 | 出行路径推荐管理方法、装置和电子设备 |
CN113706912A (zh) * | 2021-08-27 | 2021-11-26 | 北京万集科技股份有限公司 | 一种车辆的辅助驾驶方法、***、终端设备及存储介质 |
CN113847925A (zh) * | 2021-09-15 | 2021-12-28 | 北京中交兴路车联网科技有限公司 | 基于轨迹数据检测车辆偏航的方法、装置、设备及介质 |
CN114435379A (zh) * | 2022-01-07 | 2022-05-06 | 所托(杭州)汽车智能设备有限公司 | 车辆经济性驾驶控制方法及装置 |
CN114426025A (zh) * | 2022-03-17 | 2022-05-03 | 一汽解放汽车有限公司 | 驾驶辅助方法、装置、计算机设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110288096B (zh) | 预测模型训练及预测方法、装置、电子设备、存储介质 | |
Ferreira et al. | The impact of driving styles on fuel consumption: A data-warehouse-and-data-mining-based discovery process | |
CN110705774A (zh) | 一种车辆能耗分析的预测方法和*** | |
CN110304068B (zh) | 汽车行驶环境信息的采集方法、装置、设备和存储介质 | |
CN114435138A (zh) | 一种车辆能耗预测方法、装置、车辆及存储介质 | |
CN106956680B (zh) | 一种电动汽车驾驶行为识别分析方法 | |
CN113263993B (zh) | 故障预警方法、装置、通信设备及存储介质 | |
CN114664087B (zh) | 基于轨迹识别车辆上下高速的方法、装置、设备及介质 | |
CN103680185B (zh) | 一种车辆行驶道路等级精确划分方法 | |
CN114162140A (zh) | 一种最优车道匹配方法及*** | |
CN112633812A (zh) | 货运车辆的轨迹分段方法、装置、设备及存储介质 | |
CN115221234A (zh) | 一种基于动力总成数据对用户进行画像的方法及*** | |
CN117400948A (zh) | 一种汽车能耗预测方法、装置、电子设备及存储介质 | |
CN115711628A (zh) | 节油驾驶辅助信息库构建方法及设备、推荐方法及车辆 | |
CN116749774A (zh) | 续航里程确定方法、装置、电子设备及可读存储介质 | |
CN114426025B (zh) | 驾驶辅助方法、装置、计算机设备和存储介质 | |
CN113282638B (zh) | 一种城建用车识别方法和装置 | |
CN115266135A (zh) | 基于用户工况测试数据的油耗量化分析方法 | |
CN116186465A (zh) | 电动汽车能耗计算方法、装置及电子设备 | |
CN113903169B (zh) | 一种交通优化方法、装置、电子设备及存储介质 | |
CN113393011A (zh) | 预测限速信息的方法、装置、计算机设备和介质 | |
CN111163425A (zh) | 基于lbs轨迹的身份识别方法、电子装置及可读存储介质 | |
CN115311759B (zh) | 一种车辆耐久目标获取方法、装置、设备及存储介质 | |
CN116013086B (zh) | 一种基于车联网的加油方法及*** | |
CN116578891B (zh) | 道路信息重构方法、终端及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |